STATISTIK-FORUM.de

[joost]

Salut mal wieder

Ich erhalte im Rahmen der Reliabilitätsanalyse die Warnung "Determinante der Kovarianzmatrix ist null oder annähernd null. Auf der Inversematrix basierende Statistiken können nicht berechnet werden und werden als systemdefiniert fehlende Werte angezeigt."
Erstaunlich finde ich dabei eine hohes Cronbachs Alpha von .93 und Trennschärfen von .3 bis .8.

Die Skala besteht aus 29 Items, die je drei Ausprägungen besitzen und entsprechend grob auflösen. Die Benennung der Stufen ist zudem in vielen Fällen ziemlich... suboptimal (SRS29, http://sowiport.gesis.org/search/id/iz-solis-90356201)

Ich habe allerdings keine Ahnung, was ich mit der Mitteilung anfange - für varianzanalytische Untersuchungen sollte sie keine Rolle spielen, ist das korrekt? Wird sowas dann trotzdem berichtet, auch wenns keine methodische Relevanz hat?

[Albrecht]

1) Was sind die höchsten Inter-Item-Korrelationen in dem Datensatz?
2) Frage schaue Dir die Eigentrennschärfen der Items an. Wenn die mitunter bei 1 liegen, dann ist das ein möglicher Grund?
3) Was hast Du mit den Daten weiterhin vor? Nur dann kann ich beurteilen, wie gravierend das Problem ist.

[joost]

Danke für die schnelle Antwort

Die höchste korrigierte Item-Skala- Korrelation beträgt .700;
Eingesetzt werden soll die Skala für messwiederholte Varianzanalysen / geplante Kontraste zwischen 3 Gruppen.
Ich bin mir noch unsicher, ob zu einer sauberen Aufbereitung der Skalen nicht auch eine EFA gehört (verschiedentlich gelesen)

1) Was sind die höchsten Inter-Item-Korrelationen in dem Datensatz?

.670

[Albrecht]

Das hört sich nicht so problematisch an. Wenn die Werte nahe +1 oder -1 sind, dann wäre das ein Hinweis darauf, dass ein Item redundant ist. Die ursprüngliche Fehlermeldung deutet darauf hin.

Du hast an dieser Stelle zwei Möglichkeiten: Du führst für jedes Item als Kriterium eine Regressionsanalyse durch, wobei alle anderen Items die Prädiktoren sind. Wenn ein Item eine sehr hohes Multiples R² hat, würde ich es entfernen. Danach würde ich die Reliabilitätsanalyse erneut durchführen.

Oder Du machst zunächst die Relibailitätsanalyse mit den Kernitems und fügst schrittweise jeweils ein Item dazu. Sobald Probleme auftreten, weißt Du an welchem Item es liegt.

- Das mit den Skalen ist eigentlich unnöttig, denn ich nehme an, dass Du die Items bereits übernommen und nicht selbst kreiert hast.

Voraussetzung dafür ist, dass deine Stichprobe im Verhältnis zur Anzahl der Items groß genug ist.

[joost]

Danke schön

Voraussetzung dafür ist, dass deine Stichprobe im Verhältnis zur Anzahl der Items groß genug ist.

"groß genug" .. tja. 3 Items, n = 29. Ist das "groß genug"?

[Albrecht]

3 Items oder 29 Items mit jeweils 3 Ausprägungen?
n=29 bedeutet also, dass 29 Personen die Fragen beantwortet haben. Hm, das wird für eine Faktorenanalyse vermutlich nicht reichen. Daher kann man sich eine Faktorenanalyse auch sparen.

[joost]

das "vermutlich" finde ich jetzt spannend.
Eine inhaltsbefreite Hauptkomponentenanalyse extrahierte einen Faktor mit Ladungen von .83 - .90
die inhaltlich interpretierbare Hauptachsenanalyse extrahierte ebenfalls einen Faktor mit Ladungen von .70 bis .94.
Sollte ich das nicht berichten können - selbst mit n=29?

[Albrecht]

Die Frage ist ja.... was stimmt:
"Die Skala besteht aus 29 Items..." das oder das? "... 3 Items,"
Du hast beides geschrieben, es widerspricht sich aber.

Unabhängig davon sind n=29, wenn das die Größe der Stichprobe ist, sehr wenig.

[joost]

aso, sorry:
3 Items, 29 Beantworter, 1 Faktor-

[Albrecht]

Also da gibt es Literatur zu. Da musst Du dich schlau machen. Mein Gefühl sagt halt, dass 29 arg wenig sind. Nach MacCallum, Widaman, Zhang und Hong (1999) sind eine Stichprobe von 60 Personen bei ansonsten günstigen Voraussetzungen als Untergrenze für die EFA erforderlich. (Ich weiß auch, dass sehr viel weniger möglich sind, bspw. 15, allerdings musst Du auch dafür die Literatur finden, die besagt, unter welchen Umständen das machbar ist. Ich glaube, dass MacCallum auch dazu eine Studie verfasst hat, bin mir aber nicht sicher, ob das zutrifft.)

EDIT: Achja, hab's gefunden
Preacher, K. J., & MacCallum, R. C. (2002). Exploratory factor analysis in behavior genetics research: Factor recovery with small sample sizes. Behavior genetics, 32(2), 153-161.

ES kann natürlich sein, dass es noch neuere Literatur dazu gibt. Recherchiere das mal nach - und poste es, falls Du was interessantes findest